Die schleichende Pandemie

Keine Frage, Antibiotika gehören zu den bedeutendsten Fortschritten der Medizin des 20. Jahrhunderts. Einer Schätzung zufolge haben Antibiotika die durchschnittliche Lebenserwartung der Menschen seit ihrer Entdeckung vor über einem Jahrhundert um mehr als 20 Jahre verlängert.¹

Dieser beeindruckende Erfolg könnte bald Geschichte sein. Denn vor zwei Jahren machten die Zentren für Krankheitskontrolle und -prävention (CDC) der USA eine beunruhigende Vorhersage: Ohne eine radikale Änderung der Antibiotikagebrauchspraktiken könnten arzneimittelresistente Krankheitserreger, die 2016 schätzungsweise 700 000 Todesfälle pro Jahr weltweit verursachten, bis 2050 10 Millionen Menschen pro Jahr töten.² Die WHO hat deshalb den Erhalt der Wirksamkeit antimikrobieller Wirkstoffe zur grössten Herausforderung der Medizin im 21. Jahrhundert erklärt.³

Die Gründe für die Resistenz sind naheliegend: Der übermässige, unkontrollierte und unspezifische Einsatz von Antibiotika in Mensch- und Tiermedizin.

Mit künstlicher Intelligenz gegen die Antibiotikaresistenz

Eine Massnahme, um die rasante Entwicklung der Antibiotikaresistenz einzudämmen, ist die Gewährleistung eines frühen und selektiven Einsatzes. Doch Tests zur Detektion von Resistenzen benötigen bis zu 72 Stunden – in kritischen Situationen eine zu lange Zeitspanne. Daher setzen viele Ärztinnen und Ärzte bei schweren Infekten anfangs oft auf Breitbandantibiotika, die Resistenzen begünstigen können.

Forscherinnen und Forschern der ETH Zürich, des Universitätsspitals Basel und der Universität Basel ist es mit einem neuen Ansatz gelungen, bis zu 24 Stunden früher vorhandene Resistenzen aufzuspüren und so einen schnelleren, zielgerichteten Einsatz von Antibiotika ermöglichen zu können.^4,5

Dabei nutzten sie die Massenspektrometrie-Technologie, um einen öffentlich zugänglichen Datensatz zu erstellen, der klinisch relevante Bakterienisolate mit Ergebnissen von Antibiotikaresistenztests kombinierte. Ein Computeralgorithmus analysierte diese Daten und leitete daraus selbständig Antibiotikaresistenzen ab. Anhand von Fallbeispielen wurde gemeinsam mit einem Infektiologen dann die Praxistauglichkeit dieser Methode geprüft. Das Ergebnis: Der Infektiologe hätte mit dem neuartigen Verfahren in einigen Fällen zu einem anderen Antibiotikum gegriffen.^4,5

Computeralgorithmen gegen Antibiotikaresistenz? Was wie Science-Fiction klingt, könnte in Zukunft ein wichtiger Bestandteil im Kampf gegen antibiotikaresistente Keime sein.

Referenzen
1. Hutchings MI, Truman AW, Wilkinson B. Antibiotics: past, present and future. Curr Opin Microbiol. 2019; 51:72-80.
2. https://www.cdc.gov/drugresistance/across-the-world.html
3. https://www.who.int/news-room/fact-sheets/detail/antimicrobial-resistance
4. https://ethz.ch/en/news-and-events/eth-news/news/2022/01/ai-offers-a-faster-way-to-predict-antibiotic-resistance.html#:~:text=A%20study%20under%20co%2D%E2%80%8B,more%20efficiently%20in%20the%20future.
5. Weis C et al. Direct antimicrobial resistance prediction from clinical MALDI-TOF mass spectra using machine learning. Nat Med. 2022; 28: 164-174.